1. Gramática dos Gráficos
2. ggplot2
3. Exportando figuras do ggplot2
4. Integrando o ggplot2 ao tidyverse

##   var1    var2   x   y
## 1    a fechado 2.0 1.0
## 2    b fechado 3.0 1.5
## 3    a fechado 2.5 1.4
## 4    b  aberto 5.0 4.2
## 5    a  aberto 6.0 4.0
## 6    b  aberto 5.5 4.6

• Leland Wilkinson desenvolveu a ideia de que todo gráfico pode ser descrito por um conjunto de componentes semanticos:
  • um sujeito, que são as variáveis que queremos colocar no gráfico (data, aesthetics);
    
  • um ou mais verbos, que representam de que forma o sujeito será apresentado (geometries, facets);
    
  • um ou mais adjetivos, que descrevem características do sujeito (color, fill, shape, alpha).
    
• Ele organizou isto na forma da Gramática dos Gráficos (The Grammar of Graphics) - um esquema para facilitar e descrever a visualização dos dados.

“Resumidamente, a gramática nos diz que um gráfico deve ser mapeado (mapping) a partir dos dados (data), de acordo com a aparência (aesthetic; color, formato, tamanho) de objetos geométricos (geometric; pontos, linhas, barras). A figura também pode conter transformações estatísticas dos dados, sendo desenhada a partir de um sistema específico de coordenadas.” (Do livro "ggplot2")

• Uma figura é desenhada através da sobreposição de diferentes camadas de informações sobre os dados.

• A ideia principal por traz da Gramática dos Gráficos eé reduzir a distância entre a mente e a página, a ideia e a criação: você desenha, adicionando e modifica as camadas durante o processo de criação da figura.
• Isto traz algumas vantagens:
  • Não é preciso desenhar toda a figura de uma vez só (ao contrário das funcionalidades do pacote lattice);
    
  • Toda camada adicionada à figura pode ser alterada posteriormente (ao contrário das funcionalidades do pacote base);
    
  • Criação de figuras complexas com comandos simples e intuitivos (ao contrário dos pacotes lattice e base).

• É a implementação da Gramática dos Gráficos na linguagem de programação R.
• É um dos pacotes gráficos mais utilizados, por facilitar muito mais a visualização dos dados quando em comparação com os pacotes base e lattice.
• Escrito por Hadley Wickham (cientista chefe do RStudio), quando ainda era um estudante de pós-graduação.
• Podemos carregar este pacote usando o próprio nome ggplot2 ou através do tidyverse.

library(tidyverse)

# outra opção - usar uma ou outra!
library(ggplot2)

1. Importe para o R a tabela de dados das ilhas.xlsx, e atribua esta tabela ao objeto ilhas.
2. Carregue o conjunto de dados gapminder disponível no pacote gapminder.

• Toda figura criada através do ggplot2 começa da mesma forma: através da função ggplot().
• Ainda assim, existem duas formas de iniciar uma figura através dessa função, sendo a primeira delas dizendo o que iremos desenhar: mapearemos uma unidade estética que virá de um conjunto de dados.

ggplot(data = ilhas, mapping = aes(x = area, y = riqueza))

ggplot(data = ilhas, mapping = aes(x = area, y = riqueza))

• Uma vez que já definimos que unidade estética será mapeada, precisamos definir de que forma esta relação será representada.
• A representação destas relações é feita através de representações geométricas, que indicam o tipo de figura que gostaríamos de produzir.
• Como queremos adicionar uma representação geométrica à unidade estética que foi mapeada precisamos, literalmente, adicionar uma camada à outra, utilizando o sinal + ao final da linha.

ggplot(data = ilhas, mapping = aes(x = area, y = riqueza)) +
  geom_point()

ggplot(data = ilhas, mapping = aes(x = area, y = riqueza)) +
  geom_point()

• Note, no entanto, que o gráfico sugere uma forte relação não-linear - o que é esperado ao plotarmos a área contra a riqueza de espécies em sua escala natural.
• Assim como outros pacotes, o ggplot2 permite que adicionemos transformações às variáveis que estamos mapeando.

ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza))) +
  geom_point()

ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza))) +
  geom_point()

• Podemos adicionar tantas representações geométricas quanto quisermos à uma figura, desde que faça sentido adicionar uma camada à outra já existente.
• Por exemplo, podemos adicionar uma representação geométrica indicando a tendência da relação entre a área e a riqueza de espécies.

ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza))) +
  geom_point() +
  geom_smooth(method = "lm")

ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza))) +
  geom_point() +
  geom_smooth(method = "lm")

• Uma maneira alternativa a criar uma figura no ggplot2 é começando através de um gráfico em branco, e ir adicionando as informações que queremos mapear camada a camada.
• Todavia, ao utilizar este método será necessário dizer à função quais são os dados e quais são os elementos estéticos que serão mapeados em cada camada.

ggplot()

ggplot()

ggplot() +
  geom_point(data = ilhas, mapping = aes(x = log(area), y = log(riqueza)))

ggplot() +
  geom_point(data = ilhas, mapping = aes(x = log(area), y = log(riqueza))) +
  geom_smooth(data = ilhas, mapping = aes(x = log(area), y = log(riqueza)), method = "lm")

• Finalmente, uma terceira forma de iniciar uma figura é determinando apenas o conjunto de dados de onde sairão todas as informações, e determinar o que será mapeado em cada camada

ggplot(data = ilhas) +
  geom_point(mapping = aes(x = log(area), y = log(riqueza))) +
  geom_smooth(mapping = aes(x = log(area), y = log(riqueza)), method = "lm")

• Existe uma diferença fundamental na forma como começamos a desenhar um gráfico no ggplot2, que podemos usar ao nosso favor dependendo do objetivo e dados que temos:
  • Especificar apenas o conjunto de dados na função ggplot: útil quando todas as informações que irão para cada geom estão dentro de uma mesma tabela.
    
  • Especificar o conjunto de dados e a unidade estética dentro da função geom: útil quando cada geom representa informações presentes em conjunto de dados diferentes.
  • Especficiar o conjunto de dados e a unidade estética dentro da função ggplot: útil quando toda a figura é feita com referência àquela unidade estética vinda daquele conjunto de dados.
• Dependendo da forma como você escolher desenhar a figura, você pode ter problemas ao definir alguns outros elementos gráficos - falaremos mais sobre isso depois.

• Não precisamos criar todas as camadas de uma vez ao desenhar uma figura no ggplot2: podemos criar uma camada, atribuir ela a um objeto, adicionar mais uma camada a esse objeto e sobre-escrevelo, e assim sucessivamente.

figura <- ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza)))
figura

figura <- figura +
    geom_point()
figura

figura <- figura +
    geom_smooth(method = "lm")
figura

1. Crie uma figura demonstrando a relação entre a riqueza de espécies de mamíferos e a produtividade primária das ilhas.
2. Crie um boxplot demonstrando de que maneira a riqueza de espécies varia em função do tipo de ilha.

• Assim como nas figuras criadas na base e no lattice, também podemos modificar o tamanho (size), formato (shape), cor da borda (color), preenchimento (fill), grossura da linha dos símbolos (stroke) e das linhas (size), tipo de linhas (linetype) de cada geom.

ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza))) +
  geom_point(size = 4)

ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza))) +
  geom_point(size = 4)

ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza))) +
  geom_point(size = 4, shape = 21)

ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza))) +
  geom_point(size = 4, shape = 21, fill = "grey50")

ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza))) +
  geom_point(size = 4, shape = 21, fill = "grey50", 
             colour = "blue3")

ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza))) +
  geom_point(size = 4, shape = 21, fill = "grey50", 
             colour = "blue3", stroke = 2)

ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza))) +
  geom_point(size = 4, shape = 21, fill = "grey50", 
             colour = "blue3", stroke = 2, alpha = 0.4)

1. Customize o boxplot que você criou no exercício anterior. Para saber que tipo de customização pode ser feita a esse geom, você pode consular o arquivo de ajuda dele ?geom_boxplot.

• Quando fazemos uma análise exploratória dos dados ou até mesmo quando estamos criando uma figura para um trabalho, podemos ter como objetivo demonstrar de que forma múltiplas variáveis afetam a relação entre x e y.
• Graficamente, quando fazemos isso na realidade estamos mapeando estas outras variáveis a um dado geom - isto é, fazemos as características deste geom variar em função dos valores destas variáveis.
• Para tal, devemos dizer para o ggplot que todas aquelas características que acabamos de ver para a customização dependem dos valores estéticos que queremos mapear.

ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza), colour = ilha)) +
  geom_point()

ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza), colour = ilha)) +
  geom_point()

# outra forma de fazer isso
ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza))) +
  geom_point(mapping = aes(colour = ilha))

# e mais uma
ggplot() +
  geom_point(data = ilhas, mapping = aes(x = log(area), y = log(riqueza), colour = ilha))

• É importante notarmos algumas coisas ao fazermos isso:
  • A característica que será mapeada à variável deve estar dentro do mapping!
  • O nome da variável que será mapeada a alguma dessas características nunca deve estar entre aspas!
  • Ao definir que variável será mapeada a que característica logo na função ggplot, esta característica será mapeada da mesma forma em todas as camadas que você desenhar!
  • Podemos mapear múltiplas variáveis ao mesmo tempo.

ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza), colour = ilha,
                                   shape = arquipelago)) +
  geom_point()

ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza), colour = ilha,
                                   shape = arquipelago, size = produtividade)) +
  geom_point()

• Também podemos combinar características mapeadas à variáveis com características mapeadas de forma fixa.
• Mas não se esqueça: toda característica mapeada a uma variável vai dentro do parenteses, toda característica fixa vai fora dele.

ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza))) +
  geom_point(mapping = aes(colour = ilha, shape = arquipelago), size = 4)

ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza))) +
  geom_point(mapping = aes(colour = ilha, shape = arquipelago), size = 4)

1. Adicione uma linha de tendência ao gráfico abaixo. O que aconteceu e o que isso representa?
2. Se você quisesse que houvesse apenas uma linha de tendência, como deveríamos desenhar a figura?
3. Modifique as características da linha de tendência que você adicionou, mapeando ela à qualquer variável que você deseje.
4. O que acontece quando invertemos a sequência como os geom são adicionados?

ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza), colour = ilha)) +
  geom_point(size = 3)

• Muitas vezes queremos desenhar uma figura contendo múltiplos painéis, um para cada nível ou combinação de níveis de uma dada variável.
• O ggplot2 oferece duas funções que permitem mapear estes painéis em múltiplos facets. No entanto, note que aqui o que estamos fazendo é dividir uma mesma informação entre múltiplos painéis, e não desenhar informações diferentes em cada painel!
  • facet_wrap: permite que se determine de que forma os painéis serão distribuídos entre linhas e colunas. É uma função bastante flexível.
  • facet_grid: não permite que os painéis sejam distribuídos entre linhas e colunas, que são determinados de acordo com a quantidade de níveis de cada variável que se está mapeando aos painéis.

ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza))) +
  facet_wrap(~ ilha) +
  geom_point(size = 3)

ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza))) +
  facet_grid(~ ilha) +
  geom_point(size = 3)

ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza))) +
  facet_wrap(arquipelago ~ ilha) +
  geom_point(size = 3)

ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza))) +
  facet_grid(arquipelago ~ ilha) +
  geom_point(size = 3)

• Muito do que podemos fazer manipulando a estrutura estética do que queremos desenhar só diz o que será mapeado, mas não nos permite determinar exatamente de que forma queremos que cada característica mapeada seja representa.
• Toda a personalização do que é mapeado é feita através de camadas que descrevem a escala da figura:
  • scale_fill_?: modifica o preenchimento do objeto (fill) de forma determinada pelo usuário;
    
  • scale_colour_?: modifica a cor dos pontos ou das bordas do objeto geométrico (colour) de forma determinada pelo usuário;
    
  • scale_shape_?: modifica o formato dos pontos (shape) de forma determinada pelo usuário;
    
  • scale_size_?: modifica o tamanho dos pontos (size) de forma determinada pelo usuário;
    
  • scale_alpha_?: modifica a transparência (alpha) de forma determinada pelo usuário;
    
  • scale_linetype_?: modifica o tipo de linha (linetype) de forma determinada pelo usuário;
    
  • scale_x_?: modifica as opções de apresentação do eixo x;
    
  • scale_y_?: modifica as opções de apresentação do eixo y.

• Para personalizar grande parte destas escalas é necessário que aquilo que ela modifica tenha sido mapeado à alguma unidade estética.

ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza), shape = ilha)) +
  geom_point(size = 4) +
  geom_smooth(method = "lm") +
  scale_shape_manual(values = c(21, 22))

ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza), 
                                   shape = ilha, fill = ilha)) +
  geom_point(size = 4) +
  geom_smooth(method = "lm") +
  scale_shape_manual(values = c(21, 22)) +
  scale_fill_manual(values = c("firebrick2", "deepskyblue"))

1. Customize o boxplot que apresenta de que forma a riqueza de espécies variam em função do tipo de ilha, mas fazendo um painel para cada tamanho de arquipélago e utilizando as funções scale.
   • Dica: o intuito é que esta customizando leve o gráfico a ficar apresentável e adequado para uma publicação, tese, documento ou qualquer coisa similar. Para tanto, é essencial que ela seja visualmente agradável e auto-explicativa!

• Podemos utilizar as funções scale_x_? e scale_y_? para realizar diversos tipos de manipulação aos eixos x e y.

figura <- ggplot(data = ilhas, mapping = aes(x = log(area), y = log(riqueza), 
                                             shape = ilha, fill = ilha, colour = ilha)) +
  geom_point(size = 4) +
  geom_smooth(method = "lm") +
  scale_shape_manual(values = c(21, 22)) +
  scale_fill_manual(values = c("firebrick2", "deepskyblue"))
figura

## adicionando um título adequado a cada eixo
figura +
  scale_x_continuous(name = "Área (km², log)") +
  scale_y_continuous(name = "Riqueza de Espécies (log)")

## modificar a sequência de números de um dos eixos
figura +
  scale_x_continuous(name = "Área (km², log)", breaks = seq(from = -3, to = 12, by = 3)) +
  scale_y_continuous(name = "Riqueza de Espécies (log)")

## modificar o texto dos eixos
figura +
  scale_x_continuous(name = "Área (km²)", breaks = seq(from = -3, to = 12, by = 3),
                     labels = c(-3, "", "3", "", 9, "")) +
  scale_y_continuous(name = "Riqueza de Espécies")

1. Customize os eixos do boxplot que você criou no último exercício.

• Quando criamos figuras onde os valores de um dos eixos é discreto/categórico, o R vai utilizar como sequência a ordem alfabética (ou numérica) desta variáveil. No entanto, muitas vezes, a ordem alfabética não condiz com a magnitude ou efeito daquilo que queremos demonstrar e, portanto, precisamos modificar este padrão imposto pelo R.
• Existem duas formas principais de fazer isso.

ggplot(data = ilhas, mapping = aes(x = arquipelago, 
                                   y = log(riqueza), fill = arquipelago)) +
  geom_boxplot(outlier.colour = NA, width = 0.5, size = 1)

ggplot(data = ilhas, mapping = aes(x = arquipelago, 
                                   y = log(riqueza), fill = arquipelago)) +
  geom_boxplot(outlier.colour = NA, width = 0.5, size = 1)

# através da função reorder
ggplot(data = ilhas, mapping = aes(x = reorder(arquipelago, log(riqueza)), 
                                   y = log(riqueza), fill = arquipelago)) +
  geom_boxplot(outlier.colour = NA, width = 0.5, size = 1)

# através da função fct_relevel, disponível no pacote forcats
ggplot(data = ilhas, mapping = aes(
  x = forcats::fct_relevel(arquipelago, "pequeno", "medio", "grande"), 
  y = log(riqueza), fill = arquipelago)) +
  geom_boxplot(outlier.colour = NA, width = 0.5, size = 1)

figura <- ggplot(data = ilhas, 
                 mapping = aes(x = log(area), y = log(riqueza), 
                               shape = ilha, fill = ilha, colour = ilha)) +
  geom_point(size = 4) +
  geom_smooth(method = "lm") +
  scale_shape_manual(values = c(21, 22)) +
  scale_fill_manual(values = c("firebrick2", "deepskyblue")) +
  scale_x_continuous(name = "Área (km², log)", breaks = seq(from = -3, to = 12, by = 3)) +
  scale_y_continuous(name = "Riqueza de Espécies (log)")
figura

• Um importante aspecto negligenciado por grande parte das pessoas que acabam usando o ggplot2 é esse fundo cinza e grids, que são legais para explorar visualmente os dados, mas são péssimos para uma publicação.
• Esses e outros aspectos visuais gerais de um gráfico do ggplot2 são o tema dele, sendo controlados por uma função de mesmo nome - theme.
• Sempre modifique e edite o tema que você usa ao criar uma figura do ggplot!

• Existem muitos temas pré-definidos disponíveis no ggplot2 quando você carrega o pacote.

figura +
  theme_bw()

figura +
  theme_classic()

figura +
  theme_minimal()

• E existem outros temas pré-definidos disponíveis em outros pacotes, como no ggthemes.

library(ggthemes)
figura +
  theme_base()

figura +
  theme_excel_new()

• Mas como tudo no ggplot2, o ideal é sempre personalizarmos aquilo que estamos desenhando. Para modificar o tema desta forma, precisamos modificar os padrões de valores que existe dentro da função theme, adicionando esta camada de personalização à nossa figura.

theme()

• Todos os elementos do tema são manipulados de acordo com a sua natureza:
  • element_text: elementos textuais;
    
  • element_rect: elementos que têm a forma de um retângulo;
    
  • element_line: elementos que têm a forma de linha;
    
  • element_blank: suprime uma opção.

figura +
  theme(legend.position = "none")

figura +
  theme(legend.position = "none",
        panel.grid = element_blank())

figura +
  theme(legend.position = "none",
        panel.grid = element_blank(),
        panel.background = element_blank())

figura +
  theme(legend.position = "none",
        panel.grid = element_blank(),
        panel.background = element_blank(),
        axis.line = element_line(colour = "black"))

figura +
  theme(legend.position = "none",
        panel.grid = element_blank(),
        panel.background = element_blank(),
        axis.line = element_line(colour = "black"),
        axis.text = element_text(colour = "black", size = 12))

figura +
  theme(legend.position = "none",
        panel.grid = element_blank(),
        panel.background = element_blank(),
        axis.line = element_line(colour = "black"),
        axis.text = element_text(colour = "black", size = 12),
        axis.title = element_text(colour = "black", size = 14, face = "bold"))

• O ggplot2 também permite que coloquemos as especificações do tema que personalizamos em um objeto, o qual podemos adicionar diretamente à figura que criamos.

meu_tema <- theme(legend.position = "none",
                  panel.grid = element_blank(),
                  panel.background = element_blank(),
                  axis.line = element_line(colour = "black"),
                  axis.text = element_text(colour = "black", size = 12),
                  axis.title = element_text(colour = "black", size = 14, face = "bold"))

• A vantagem disso é que definimos uma única vez um tema e podemos empregá-lo em tantas figuras quanto quisermos.

figura <- figura +
  meu_tema
figura

• Podemos exportar uma figura que criamos através do ggplot2 utilizando a função ggsave.

ggsave(filename = "especie_area.png", # nome/diretorio onde a figura será salva
       plot = figura, # objeto que contém a figura que você quer exportar
       width = 80, height = 80, units = "mm", # tamanho final da figura
       dpi = 150 # qualidade da imagem
       )

1. Personalize o tema do boxplot que você tem trabalhado nos exercícios anteriores, e exporte ele para algum diretório no seu computador.

• Uma das figuras que normalmente queremos fazer é aquela onde apresentamos o valor da média e do erro padrão de acordo com diferentes níveis de uma variável categórica.
• Uma forma de fazer isso no ggplot2 é fornecendo uma tabela que contenha estes valores para a função ggplot, e associando o geom_bar ao geom_errorbar.
• Este requerimento impõem então uma tarefa prévia para criarmos este tipo de figura a partir da tabela de dados que normalmente temos, pois precisamos calcular estes sumários estatísticos antes de criar a figura.
• Neste sentido, podemos utilizar as mesmas técnicas de manipulação, limpeza e processamento de dados que vimos nas aulas anteriores.

1. Calcule o valor médio e o erro padrão da riqueza de espécies por tipo de ilha, e coloque os resultados deste processamento no objeto sumario.

## Warning: package 'bindrcpp' was built under R version 3.4.4

## # A tibble: 2 x 3
##   ilha     riqueza_media  erro
##   <chr>            <dbl> <dbl>
## 1 costeira          29.5  1.71
## 2 oceanica          15.4  2.61

• Agora, com essa tabela de dados, podemos criar a figura que queremos.

ggplot(data = sumario, mapping = aes(x = ilha, y = riqueza_media, fill = ilha)) +
  geom_bar(stat = "identity", colour = "black") +
  geom_errorbar(mapping = aes(ymin = riqueza_media - erro, ymax = riqueza_media + erro), 
                width = 0.5)

• Personalize a figura anterior:
  • Modificando a cor da barra que cada categoria recebe;
  • Editando os nomes e os valores dos eixos x e y, respectivamente;
  • Editando o título dos eixos x e y;
  • Removendo o espaço que aparece abaixo do 0 no eixo y.

• Note, no entanto, que o ggplot2 é parte integrante do tidyverse, que foi todo pensado com a finalidade de encurtar a distância entre a ideia e o resultado.
• Portanto, podemos integrar todo o cálculo prévio da média e erro ao uso da função ggplot.

ilhas %>% 
  group_by(ilha) %>% 
  summarise(riqueza_media = mean(riqueza, na.rm = TRUE),
            erro = sd(riqueza, na.rm = TRUE)/sqrt(n())) %>% 
  ggplot(data = sumario, mapping = aes(x = ilha, y = riqueza_media, fill = ilha)) +
  geom_bar(stat = "identity", colour = "black") +
  geom_errorbar(mapping = aes(ymin = riqueza_media - erro, ymax = riqueza_media + erro), 
                width = 0.5)

• Utilize o ggplot2 como uma ferramenta para a análise exploratória e visualização dos dados, mas não utilize diretamente o resultado daquilo que você produz através dele nas suas publicações.
• O principal motivo para isso é que muito do que queremos mostrar visualmente em uma publicação são os resultados das análises estatísticas, que descrevem a relação entre as variáveis considerando toda a dependência numérica e outras peculiaridades que existem nos seus dados.
• Nesse sentido, produza os resultados numéricos das suas análises estatísticas e utilize eles para criar as figuras no ggplot2. Veremos como fazer isso na próxima aula.

• Utilizando o conjunto de dados gapminder:
  • Calcule o GDP per capita médio por continente considerando apenas os dados do ano de 2007.
  • Crie uma figura demonstrando como variou o tamanho da população brasileira ao longo do tempo.
  • Crie uma figura demonstrando de que forma a expectativa de vida varia ao longo do tempo para cada país, mas dividindo os padrões em diferentes painéis de acordo com o continente.

• No livro ggplot2: http://ggplot2.org/book/;
  
• No site: http://ggplot2.tidyverse.org/reference/;
  
• No livro "R for Data Science": http://r4ds.had.co.nz/data-visualisation.html;
  
• O Google.